Proposer des produits, des contenus ou des offres qui collent parfaitement aux besoins des consommateurs est un facteur clé de succès. Les frontières sont floues entre recommandation sociale, basée sur le contenu, sur le comportement ou encore recommandation hybride. Ce webinar vous aidera à tout.
2. 3
Présentation du webinar
Proposer des produits, des contenus ou des offres qui collent parfaitement aux
besoins des consommateurs est un facteur clé de succès.
Les frontières sont floues entre recommandation sociale, basée sur le contenu, sur le
comportement ou encore recommandation hybride. Ce webinar vous aidera à tout
comprendre de la recommandation.
Jeremy Viault
Product Marketing Manager
Sparkow
Booster sa performance commerciale grâce à la recommandation
produit
4. 5
Qui est Sparkow ?
Né dans le berceau du retail et de la vente à
distance
Composé d’experts retail et web.
Une forte proximité avec nos clients, des
consultants dans chacun de vos projets
Motorise 150 dispositifs marchands (web,
mobile, email, In Store…) dans plus de 20 pays
Soutenu par des fonds d’investissement
reconnus (BPI, Capitalaria, Isource, Xange)
Approche
Open
Innovation
Solutions et
Services
Experts
5. 6
Trois bénéfices clés
Quatre Solutions
Qui est Sparkow ?
Améliorez l’expérience d’achat de vos clients
Boostez la performance des dispositifs commerciaux
Augmentez la productivité des équipes
8. 9
Les commerçants doivent trouver de nouveaux moyens
d’accompagner leurs clients dans une expérience fluide et sans
coutures
Quoi recommander ?
! Produits
! Offres
! Contenus
Quelles sources ?
! Données démographiques
! Les actes d’achats passés
! Segmentation client
! Service après-vente
! Fidélité́
! Comportement en
! Réseaux sociaux
! Localisation
Pourquoi la recommandation ?
9. 10
Pourquoi la recommandation ?
Passez de la donnée client à la compréhension
du comportement
Créez une expérience omnicanal temps réel
Augmentez la valeur de chaque contact client
10. 11
Quatre grands types de recommandations
! Recommandation sociale
! Recommandation basée sur le comportement
! Recommandation basée sur le produit
! Recommandation hybride
Recommandation ou Recommandations ?
12. 13
Se base sur l’historique d’utilisateurs ayant eu un
comportement similaire.
Egalement appelé collaborative filtering, elle part du postulat
que les meilleures recommandations viennent d’utilisateurs
ayant des goûts similaires.
Elle requiert de pouvoir capter l’intérêt des clients pour les
produits, afin que l’algorithme puisse faire le lien entre les
utlisateurs
La recommandation sociale
13. 14
1. Le client exprime sa préférence
2. Le système met en relation les préférences des utilisateurs
Fonctionnement de la
recommandation sociale
14. 15
3. On prédit la réaction du client à une recommandation
Fonctionnement de la
recommandation sociale
16. 17
! Modèle purement statistique, pouvant aboutir à des
aberrations métier
! La quantité de données disponibles et leur éparpillement
est un frein à la pertinence des données
! Assurer la scalabilité nécessite les infrastructures suffisantes
! En fonction de l’étendue du catalogue ou de sa fréquence
de rafraichissement, longue traine et cold start peuvent
apparaitre
Les limites de la
recommandation sociale
18. 19
Elle se base uniquement sur le comportement du client
Egalement appelée behavioral targeting, elle s’appuie sur
l’ensemble des interactions avec l’utilisateur :
! Système de caisse des boutiques
! Système de prise de commande du site web
! Service après-vente
! Carte de fidélité
! Gestion de campagnes
! Navigation sur le site ou l’application
En analysant le comportement passé du client, on va lui
proposer des recommandations qui correspondent à ses
habitudes
La recommandation comportementale
19. 20
L’application la plus courante est le re-targeting
! Re-présenter au client un produit vu mais pas acheté
! Dimension omni-canal
Utilisation plébiscitée dans les secteurs où l’achat est contraint
! Exemple du secteur alimentaire
! Faciliter le processus d’achat en fournissant une expérience qui
invite à revenir en permettant un gain de temps
Adaptation possible au contexte
! Donner plus de poids aux actions récentes
! Définir des actions qui traduisent un engagement fort
! Intégrer une vitesse d’oubli des actions passées
La recommandation comportementale
21. 22
Egalement appelée content based filtering elle intègre
l’ensemble des caractéristiques utilisées par les
consommateurs dans leur découverte produit
Enjeux majeur de la qualité de la donnée produit, obtenue en
combinant l’ensemble des sources de données interne et
externe
Il convient souvent de transformer la donnée brute en
information porteuse de sens pour le client, dans son
vocabulaire et correspondant à sa recherche
La recommandation basée sur le
produit
22. 23
1. Création d’une vue produit complète
Fonctionnement de la recommandation
basée sur le produit
23. 24
2. Scoring des produits en fonction de la recherche du client
Fonctionnement de la recommandation
basée sur le produit
27. 28
Les trois types de recommandations ont chacune leurs
avantages et leurs inconvénients
L’hybridation permet d’aller plus loin
La recommandation hybride
28. 29
Utilisation de la recommandation
hybride
Faire évoluer le degré de personnalisation de la recommandation
en fonction de la connaissance client
Recommandation
Sociale
Recommandation
Personnalisée
Moins un individu a
d’historique, plus le
comportement des autres
clients aura de poids
Plus vous connaissez un
individu, plus la
recommandation sera
basée sur son propre
comportement
29. 30
Donner la main main aux utilisateurs métier pour personnaliser :
! Un seuil au-delà duquel la connaissance du consommateur
prendra le pas sur le comportement des autres utilisateurs
dans la recommandation
! Si les actes passés ont plus de poids que les actes présents, ou
inversement
! A quelle vitesse les évènements passés n’ont plus d’impact
sur le comportement présent et doivent être effacés
! …
Introduire la logique métier dans la
recommandation
32. 33
Eviter les abérations métier
La recommandation abérante n’est pas utile au commerce
Une grande partie des abérations peuvent se résoudre en utilisant un
catalogue produit complet incluant des liens entre produits
La recommandation doit pouvoir être paramétrée à l’aide de règles
métier
Coupler la recommandation à d’autres actions marketing
Le ciblage reste d’actualité et permet de mettre en place une action
pour un groupe restreint de prospects ou clients
Utiliser la recommandation conjointement à du triggering, pour
pousser un produit, contenu ou offre à un moment clé
Au-delà de l’algorithmie
33. 34
Recommander des produits et contenus
Le e-commerce nécessite de guider au maximum les clients, et
d’adapter le niveau d’information au client
Il est clé de recommander des contenus et des offres, en même temps
que des produits, pour fournir la meilleure expérience possible
Adapter les messages au visiteur, en fonction des produits consultés,
au comportement…
Laisser le commerçant être commerçant
L’automatisation ne peut pas tout, le commerce est avant tout une
question d’humain
Permettre aux commerçants de tester en apprenant, en étant réactif au
demandes du marché
Au-delà de l’algorithmie
35. 36
Recommandation sociale
Basée sur le comportement des autres utilisateurs, présentant un profil
similaire
Recommandation comportementale
Basée uniquement sur le comportement du client
Recommandation basée sur le produit
Basée sur la relation entre le client et les caractéristiques des produits
Recommandation hybride
Combine plusieurs approches pour coller au mieux aux objectifs
A retenir